“星火”多因子专题报告（十一）_：在下跌中寻找惊喜，业绩超预期与反转因子的融合-20200304-财通证券-20页_1mb

“星火”多因子专题报告（十一）总结

核心内容

本报告围绕A股市场中“盈余公告后漂移”（PEAD）效应，探讨如何通过构建标准化预期外盈利（SUE）因子和与反转因子的融合，挖掘有效的Alpha来源。

主要观点

• Alpha因子挖掘：从量化交易情绪向量化基本面转变，通过SUE因子挖掘业绩超预期带来的Alpha机会。
• PEAD效应：A股市场存在显著的PEAD效应，业绩超预期的股票在公告后120天内表现优异，且公告前也存在价格漂移现象，可能与知情交易者有关。
• SUE因子构建：基于公司实际公布的净利润、营业收入等数据，通过标准化预期外盈利（SUE）和标准化预期外营业收入（SUR）进行计算，SUE因子的多头组合表现稳健。
• 信息增量：业绩预告和业绩快报的引入显著提升了SUE因子的表现，其月均RankIC达到4.6%，年化IR达到3.89。
• 因子融合：将SUE因子与反转因子进行融合，通过双变量分组方法，形成25种组合，进一步提升Alpha收益。

关键信息

1. SUE因子构建方式

SUE因子计算公式如下：

$$
S U E _ {i, t} = \frac {Q _ {i , t} - E (Q _ {i , t})}{\sigma_ {i , t}}
$$

其中：

• $Q_{i,t}$ 为实际单季度净利润
• $E(Q_{i,t})$ 为预期单季度净利润，由过去8个季度净利润增长的平均计算
• $\sigma_{i,t}$ 为过去8个季度净利润增长的标准差

SUR因子计算方式与SUE相似，只是以营业收入替代净利润。

2. 财务数据来源与质量对比

3. 数据处理与回测细节

• 回测区间：2009.12.31-2020.1.23
• 样本筛选：剔除ST、*ST、PT等风险股票，以及调仓日涨停或跌停股票
• 分组方式：按照SUE因子值从低到高分为10组（D0-D9），每组成分股等权处理
• 调仓时间：每月最后一个交易日
• 基准指数：中证全指（000985.CSI）
• 手续费：单边3%

4. 回测绩效表现

5. SUE因子在沪深300和中证500中的表现

6. 双变量分组法

• 分组方式：将SUE与反转因子（Ret）进行双变量分组，形成25个组合
• 多头组合表现：在双变量分组中，L4D0组合年化超额收益达到11.78%
• 空头组合表现：L0D0组合年化超额收益为-19.12%

7. 回测结果分析

• 超额收益：SUE因子的多头组合表现优于市场基准，年化超额收益从9.97%提升至11.64%
• 波动性：双变量分组的多头组合波动性略高于SUE因子多头组合，但超额收益更优
• 稳健性：SUE因子在2015年市场剧烈波动期间表现依然稳健，且在2010-2020年期间持续表现优异

风险提示

• 本报告基于历史数据，不保证未来表现
• 市场风格变化可能导致模型失效
• 业绩预告和快报可能存在数据误差，需谨慎处理
• 信息公平披露问题需引起重视

关键结论

1. A股市场存在显著的PEAD效应，业绩超预期的股票在公告后120天内表现优异。
2. 业绩预告和业绩快报的引入显著提升了SUE因子的绩效表现。
3. SUE因子的多头组合在A股市场中持续稳健地跑赢基准指数。
4. SUE因子与反转因子的融合，能够在交易情绪与基本面之间找到平衡点，提升组合的Alpha能力。
5. 双变量分组法在实证中表现良好，为投资者提供了更有效的选股策略。

参考文献

• Ball, R., & Brown, P. (1968). An Empirical Evaluation of Accounting Income Numbers. Journal of Accounting Research.
• Jegadeesh, N., & Livnat, J. (2006). Revenue Surprises and Stock Returns. Journal of Accounting and Economics.